如何更改 data.table 中因子列的级别答案

【问题标题】：How does one change the levels of a factor column in a data.table如何更改 data.table 中因子列的级别
【发布时间】：2013-01-16 02:18:44
【问题描述】：

在data.table 中更改factor 列的级别的正确方法是什么（注意：不是数据框）

  library(data.table)
  mydt <- data.table(id=1:6, value=as.factor(c("A", "A", "B", "B", "B", "C")), key="id")

  mydt[, levels(value)]
  [1] "A" "B" "C"

我正在寻找类似的东西：

mydt[, levels(value) <- c("X", "Y", "Z")]

当然，上面的行是行不通的。

    # Actual               # Expected result
    > mydt                  > mydt
       id value                id value
    1:  1     A             1:  1     X
    2:  2     A             2:  2     X
    3:  3     B             3:  3     Y
    4:  4     B             4:  4     Y
    5:  5     B             5:  5     Y
    6:  6     C             6:  6     Z

【问题讨论】：

你仍然可以用传统的方式设置它们：levels(mydt$value)
我没有尝试明显的 :) 谢谢！把它作为答案，以便我接受？

标签： r data.table

【解决方案1】：

您仍然可以按传统方式设置它们：

levels(mydt$value) <- c(...)

这应该很快，除非mydt 非常大，因为传统语法会复制整个对象。你也可以玩拆解和重构的游戏……但反正没人喜欢这种游戏。

在没有mydt 副本的情况下通过引用更改级别：

setattr(mydt$value,"levels",c(...))

但一定要分配一个有效的级别向量（类型足够长的character），否则你会得到一个无效的因子（levels<- 会进行一些检查和复制）。

【讨论】：

@MatthewDowle 感谢您的参与。setattr 正是我想要的。我已经将它包装在一个带有错误检查的函数 changeLevels 中：bit.ly/dt_changeLevels
@RicardoSaporta 看起来很棒。也许我可以将它添加到 data.table 中？我将其称为setlevels 并稍微更改界面：setlevels(DT$colname, newlevels)，如果这样可以吗？人们经常要求 set* 函数也可以在 data.frame 上工作，他们可以做到。
@MattDowle，setlevels() 最后被加入了吗？我找不到任何其他文档。
@MattDowle 如果我想同时在多个列上使用相同的级别怎么办？有什么捷径可以做到吗？
@skan 看起来 setlevels() 在 C 级别内部存在，但从未暴露。我刚刚提交了FR#2219 指向这里。如果您想添加它，我们将非常欢迎您提出拉取请求。同时可以使用setattr。要将相同的级别分配给多个列，我认为 for 循环对于您的代码的未来读者来说是最好、快速和最清晰的；前提是在循环内使用set* 函数以避免复制。

【解决方案2】：

我宁愿走传统的重新分配因子的方式

> mydt$value # This we what we had originally
[1] A A B B B C
Levels: A B C
> levels(mydt$value) # just checking the levels
[1] "A" "B" "C"
**# Meat of the re-assignment**
> levels(mydt$value)[levels(mydt$value)=="A"] <- "X"
> levels(mydt$value)[levels(mydt$value)=="B"] <- "Y"
> levels(mydt$value)[levels(mydt$value)=="C"] <- "Z"
> levels(mydt$value)
[1] "X" "Y" "Z"
> mydt # This is what we wanted
   id value
1:  1     X
2:  2     X
3:  3     Y
4:  4     Y
5:  5     Y
6:  6     Z

您可能注意到，重新分配的内容非常直观，它会检查确切的level（使用grepl，以防数学模糊、正则表达式或类似情况)

levels(mydt$value)[levels(mydt$value)=="A"] <- "X" 这会明确检查所考虑变量的 levels 中的值，然后将X（等等）重新分配给它 - 优点 - 你明确知道标记了什么。

我发现像 levels(mydt$value) <- c("X","Y","Z") 这样重命名级别非常不直观，因为它只是将 X 分配给它在数据中看到的第一个级别（所以顺序真的很重要）

PPS : 如果层数过多，请使用循环构造。

【讨论】：

但是这块肉的每一行都会复制mydt的整个。如果mydt 的 RAM 为 20GB，那么它就会流失 60GB。 data.table 用于内存效率及其语法。贾斯汀的回答根本不复制 20GB，它只是直接就地更改级别。这里表达的有效问题的答案是将这个好的逻辑包装到新函数 setlevels 中，这在精神上类似于 setnames 的安全性、稳健性和直观性。
@MattDowle 感谢您提及这一点。您能否提及哪个级别(mydt$value)[levels(mydt$value)=="A"]
即使您只触摸了mydt 的一小部分，当您使用<- 时，R 也会复制整个mydt。在这种情况下，分配给levels 是通过levels<- 函数并复制整个mydt。因此，在data.table 中，我们提供:= 和set* 函数通过引用分配以仅更改您想要更改的mydt 的小部分，没有副本。 setattr 是 set* 函数之一。
@MattDowle 非常感谢您对两个笔记的详尽解释 + 1。我现在也“完全”理解了贾斯汀的评论。
我一直在寻找这条线 LOL levels(mydt$value)[levels(mydt$value)=="A"]

【解决方案3】：

您还可以使用相关方法重命名并添加到您的关卡，这非常方便，特别是如果您正在制作一个需要以特定顺序（而不是默认顺序）提供更多信息标签的绘图：

f <- factor(c("a","b"))
levels(f) <- list(C = "C", D = "a", B = "b")

（修改自?levels）

【讨论】：

+1 严格来说，虽然问题是关于如何更改级别当该因素是data.table 的列时。 data.table 具有内置功能，允许添加和重命名因子，也可以通过引用来避免复制整个对象以提高速度。因子列上的:= 将自动将 RHS 添加为级别，如果它不存在的话。并且setattr 可用于通过引用更改因子列的级别（无副本）。
@MatthewDowle 啊，你知道我什至没有赶上data.table vs data.frame！感谢您指出了这一点。我的大多数数据集的大小都很适中，但我知道data.table，它有一些我知道我可以使用的不错的功能。

【解决方案4】：

这比 Matt Dowle 的建议更安全（因为它使用了 setattr 跳过的检查），但不会复制整个 data.table。它将替换整个列向量（而 Matt 的解决方案只替换列向量的属性），但这似乎是一个可以接受的权衡，以减少弄乱因子对象的风险。

mydt[, value:=`levels<-`(value, c("X", "Y", "Z"))]

【讨论】：

【解决方案5】：

更改列级别的最简单方法：

dat$colname <- as.factor(as.vector(dat$colname));

【讨论】：